日前，全球糖尿病領域的領先者丹麥諾和諾德宣布《轉變研發方式的計劃》，將在丹麥和中國的研發中心裁掉約400名員工，以期重組其研發中心，加速其嚴重慢性病產品管線的擴展和多樣化。公司表示，本次裁員并不是在削減成本，而是增強AI方面競爭力。

諾和諾德首席科學官Mads Krogsgaard Thomsen表示“這并不是在削減成本，諾和諾德明年的研發預算將比今年更大。內部分析顯示，我們的體力勞動出現過剩，但在數字領域、信息學、數據科學、人工智能和自動化方面則缺乏競爭力。”

藥物研發的AI時代

根據德勤2017年的報告，2017 年全球前 12 位制藥企業盡管在研發上進行了巨大投入，但是這些投入所帶來的回報僅有 3.2%，藥物研發投資回報率也處于 8 年來的最低水平，相比于七年之前存在大幅度的下滑。

正是因為藥物研發具有時間長、高投入、高風險，投資匯報慢的特點。全球每年都有數千億美元用于藥品研發，而AI技術的運用能夠在一定程度上提高研發效率，降低成本投入。30多年前，人們就設想采用計算機進行藥物研發，例如1981年的《Discovery》雜志中就有這樣的設想，幾個月后的《財富》雜志封面也對計算機輔助的藥物發現進行了專題報道。隨著人工智能浪潮的興起，藥物研發人員們將很快用上這些新工具來武裝自己，提高藥物研發效率。新藥的設計、發現、研發過程，也將得到縮短。

AI能為新藥研發帶來什么？

AI可以對藥物結構、疾病病理生理機制、現有藥物的功效、顯微鏡下的樣本觀察等等結果進行快速分析， 大大提升新藥發現的效率。從目前來看，AI主要作用于藥物研發場景包括：靶點藥物研發、候選藥物挖掘、化合物篩選、預測ADMET性質、藥物晶型預測、輔助病理生物學研究，以及發掘藥物新適應癥等。但是所有的應用都撇不開一個重要因素：數據。

AI研發的核心是數據

比如，在新藥研發領域，AI可以幫助科學家從巨大體量的化合物數據庫中完成文獻搜索，許多公司也在研究如何利用機器模擬化合物跟特定靶標的結合效果，從而大大加快新藥篩選的過程。

AI通過機器學習，不但可以加速時間，還可以提高到達后期試驗階段藥物的成功概率。如果AI可以減少藥物試驗的風險，就可以為大型制藥公司節約大量成本，使其能夠騰出資源集中于尋找更有潛力的機會。

除了上述提到的藥物數據，醫療數據也成為后續藥物研發的重要依據。

對藥物研發或者是診斷治療來說，數據的重要性都是不言而喻的。但是數據的來源與質量，目前仍是所有AI+制藥相關企業面臨的難題之一。如何得到更準確的數據，如何有效分析是AI在藥物研發領域不得不好好思考的問題。

藥企紛紛入局AI市場

雖然AI用于藥物研發還存在一些不確定性，但是并不妨礙全球醫藥企業布局AI技術。例如，默沙東與美國Atomwise牽手藥物挖掘；強生與英國AI技術開發和應用公司BenevolentAI達成新藥研發合作；制藥巨頭羅氏收購腫瘤大數據公司Flatiron Health的全部股份，還與GNS Healthcare達成合作協議；輝瑞除了與IBM合作協助免疫腫瘤藥物研發外，也與晶泰科技簽訂了戰略性的合作協議。

輝瑞、羅氏、GSK等巨頭紛紛“下注”AI公司，發展如何還有待時間檢驗。畢竟目前并沒有一家AI藥物研發的成功案例，也沒有一款AI研發的藥物被批準上市。所以說光有一腔熱情并不能解決研發道路上的諸多瓶頸。AI雖然是一個引人注目的做法，不過它仍然需要時間證明自己。

大量的裁員、大規模的和AI技術公司合作，有的人提出了這樣的觀點“AI最終會取代研發人員”，工控小編認為就目前來說，這看起來并不實際。不過需要注意的是“AI不會取代藥物研發人員，但是使用AI的藥物研發人員將會取代那些不使用AI的人”。

總結

人工智能沒有魔法，不可能將長達幾年乃至幾十年的新藥發現過程縮短到幾天的時間。但是能看到的是，AI技術正在為制藥行業帶來顯著的變化。隨著對生物醫藥理解的不斷加深，隨著計算能力的不斷加強，AI有望為醫療行業帶來可喜的進展。